固体氧化物电解池功能层设计的多目标优化框架：提升电化学性能与成本效益的协同策略

本文针对固体氧化物电解池(SOEC)大规模应用中性能与成本难以兼顾的问题，提出了功能层(FLs)厚度和孔隙率的多目标优化(MOO)框架。研究团队通过耦合三维CFD模型与多层感知器(MLP)代理模型，结合粒子群优化(PSO)和NSGA-II算法，实现了1.288V的最低工作电压（1.0A/cm2）和1.122$/kW的优化成本方案，揭示了电化学效率与经济性的Pareto前沿，为氢能装备设计提供了新范式。

　　

在全球能源转型背景下，氢能作为清洁能源载体备受关注。固体氧化物电解池(SOEC)因其高达84%的电能-氢能转换效率成为研究热点，但高昂的材料成本和复杂的电化学-热力学耦合问题制约其商业化进程。传统设计方法往往孤立优化性能或成本，难以满足实际工程需求，亟需建立兼顾多目标的系统化设计框架。

韩国仁荷大学机械工程系的研究团队在《Materials Letters: X》发表研究，创新性地将计算流体力学(CFD)、机器学习与智能算法相结合，构建了功能层(FLs)厚度(δ_FFL/δ_AFL)和孔隙率(ε_FFL/ε_AFL)的多目标优化平台。通过拉丁超立方采样生成120组训练数据，采用MLP神经网络建立代理模型，其预测电压与CFD结果的误差仅0.023%，大幅提升了优化效率。研究突破性地采用NSGA-II算法解析Pareto前沿，发现将燃料功能层(FFL)厚度从30μm降至5.2μm可节省材料成本81%，而空气功能层(AFL)孔隙率从0.3增至0.5虽会升高电压34mV，但能显著改善气体传输。

关键技术包括：(1)基于ANSYS Flent的3D多物理场模型，耦合质量/动量/能量/电荷守恒方程；(2)采用Butler-Volmer方程描述HER/OER反应动力学；(3)通过Kozeny-Carman关系计算多孔介质渗透率；(4)建立包含Ni-YSZ/LSC-YSZ材料成本的数学模型；(5)应用改进粒子群算法进行全局优化。

【数值模型】构建包含7层结构的3D几何模型，引入有效导热系数(κ^eff)和修正Darcy方程描述多孔介质流动。关键假设包括理想气体行为、层流流动和忽略重力效应，这些简化在750°C操作温度下具有合理性。

【电化学性能】最优设计使单电池电压降至1.288V，较基准设计降低1.7%。过电势分析显示，氧电极活化过电势(η_act,O2)从182.4mV降至22.96mV是性能提升主因，这得益于AFL厚度从15μm增至28.11μm带来的三相边界长度增加。

【成本效益】材料成本模型揭示FLs占堆栈总成本55%。MOO方案Opt.2在保持基准性能(1.2937V)前提下，通过将FFL孔隙率从0.35调至0.204，使成本降低至0.671$/kW，证明微结构调控的经济价值。

【空间分布】电流密度云图显示，优化后电极的电流分布均匀性提升37%，峰值电流从1.068A/cm²降至1.049A/cm²，有效缓解了传统设计中肋板下方的局部过热问题。

这项研究首次建立了SOEC功能层设计的定量优化框架，其创新点在于：(1)揭示厚度与孔隙率的协同效应——增加δ_AFL可补偿ε_FFL降低带来的性能损失；(2)提出"梯度孔隙率"设计理念，为下一代电解池开发指明方向；(3)开发的MLP-PSO混合算法可推广至其他电化学系统优化。研究结果被韩国Kceracell公司采用，用于改进其8YSZ电解质生产工艺，预计可使千瓦级堆栈成本降低19%。未来工作将拓展至钴基钙钛矿等新型材料体系，并考虑热循环条件下的机械耐久性优化。